摘要：电动汽车电池包在侧面柱碰撞下极易失效并可能发生着火。为准确、快速地评估电池包在侧面柱碰撞下安全性,采用区域细化的电池包模型,在不同的碰撞速度、碰撞角度、碰撞位置和车辆装载状态下开展了仿真分析,采用优化拉丁超立方采样策略设计了仿真矩阵,并通过图像识别的方法批量提取电池包碰撞响应生成数据集。对研究参数进行组合生成了新特征,并对参数进行相关性分析,确定了模型训练的输入特征。采用支持向量机、随机森林方法和反向传播神经网络(back propagation neural network, BPNN)机器学习方法建立了数据驱动的预测模型。结果表明,支持向量机模型性能最优,模型预测参数的平均决定系数R2为0.96。在训练数据集中引入标准差不同的高斯噪声,对模型的鲁棒性进行了检验,BPNN机器学习方法的鲁棒性较优。采用建立的数据驱动模型能够预测电池包侧面柱碰撞下的变形情况,评估电池包的碰撞安全性。

摘要：汽车轻量化是汽车产业实现节能减排的关键任务,新型车身材料的广泛使用在有效降低车身质量的同时,对汽车碰撞安全分析提出了更高的挑战。车用材料在典型碰撞工况下其应变率覆盖从准静态到1000 s^(–1)范围,然而中应变率加载过程诱发振铃效应掩盖了车身材料的真实力学响应。本文依次介绍无激振系统设计、中高应变率杆式系统和单一模态响应的三类传感器技术原理和应用。